关于clickhouse:Clickhouse-系列-第五章-存储引擎

本系列的前四章曾经对 clickhouse 的存储引擎设计的思维进行了具体解读，本章将向读者残缺地介绍 clickhouse 存储引擎的存储模型及工作机制。

文件组织

在大部分的 DBMS 中，数据库实质上就是一个由各种子目录和文件组成的文件目录，clickhouse 当然也不例外。clickhouse 默认数据目录在 / var/lib/clickhouse/data 目录中。所有的数据库都会在该目录中创立一个子文件夹。下图展现了 clickhouse 对数据文件的组织。

clickhouse 目录构造

每一个数据库都会在 clickhouse 的 data 目录中创立一个子目录，clickhouse 默认携带 default 和 system 两个数据库。default 顾名思义就是默认数据库，system 是存储 clickhouse 服务器相干信息的数据库，例如连接数、资源占用等。

上图展现了 clickhouse 通过官网提供的入门教程操作后，导入的数据库的文件模式。能够看到，在 tutorial 文件夹中，建设了两个子目录，每个子目录为即为一张数据表。进入 hits_v1 目录后又能看到两个子目录和一个文本文件。

分区目录

分区目录下的子目录和文件的含意如下：

分区目录形成

分区目录的形成，依照 分区 ID_最小数据块编号_最大数据块编号_层级形成。在本例中，分区 ID 是 201403, 最小数据块编号是 1，最大数据库编号是 10，层级是 2。数据块编号从 1 开始自增，新创建的数据库最大和最小编号雷同，当产生合并时会将其批改为合并的数据块编号。同时每次合并都会将层级减少 1。对于合并的详情能够查看本系列的番外篇——LSM。

分区 ID 由用户在创立表时制订，容许用户创立多个分区键，每个分区键之间用‘-’相连。在本例中只应用了一个分区键，即工夫字段，依照年月分区。分区的益处在于进步并发度和减速局部查问。

### 数据目录

进入分区目录后，就能看到数据实在存储的数据目录的构造了。

### columns.txt

该文件是一个文本文件，存储了表构造信息，能够用文本编辑关上。

### count.txt

该文件也是一个文本文件，存储了该分区下的行数。能够用文本文件关上。在用户执行 select count(_) from xxx 时实质上就是间接返回了该文件的内容，而不须要遍历数据。因而 clickhouse 的 count(_) 的速度十分快。

同时，这边也比照一下 MySQL 和 PostgreSQL 的实现，在上述两个关系型数据库中，其罕用的存储引擎，都没有应用 clickhouse 的这种计划。读者们是否答复出为了 MySQL 或 pg 要舍弃简略的计划而应用遍历么？

这个问题的答案是因为事务的可见性，MySQL 和 pg 都是用 MVCC 机制的事务控制技术，这意味着对于不同事务中执行 select count(*) 的后果是不同的，对于 A 事务中执行的 insert 或 delete，对于本事务中是可见的，也就是说在本事务中执行的 count 是计算了 insert 和 delete 影响的。而对于 B 事务，在 A 事务提交前，是不能看到 A 事务中对数据的操作的。因而 AB 两个事务中执行的 count 后的后果可能是不同的。如果应用 clickhouse 的计划，就无奈实现上述需要。而 clickhouse 则不须要反对事务，因而应用了绝对简略的计划。

### primary.idx

主键索引，详情请参考本系列第四章。

### checksums.txt

二进制文件，校验和。用于疾速校验数据是否被篡改。、

### default_compression_codec.txt

新版本减少的一个文件，在旧版本时无。该文件是一个文本文件，存储了数据文件中应用的压缩编码器。clickhouse 提供了多种压缩算法供用户抉择，默认应用 LZ4。

### [column].mrk3

列的标记文件，详情请参考本系列第四章。

### [column].bin

真正存储数据的数据文件。下一节将对其对深入分析。每一列都会生成一个独自的 bin 文件。

### skp_idx_[column].idx

跳数索引，在应用了二级索引时会生成。否则这不生成

### skp_idx_[column].mrk

跳数索引标记文件，在应用了二级索引时会生成。否则这不生成

本节具体介绍 clickhouse 中存储引擎的文件组织。将一张表拆解到具体的目录和文件中，读者应该能对 clickhouse 的存储系统有了初步理解。下一节将向读者展现如何读懂数据文件。

数据组织
—-

本节将向读者展现如何读取 bin 文件。因为 bin 文件是二进制文件，在读取时须要借助工具，无奈应用文本文件进行读取。在 windows 操作系统下倡议应用 winhex,mac 零碎举荐 hex friend。

### 数据文件构造

数据文件构造

上图展现了一个 bin 文件的构造。bin 文件应用小端字节序存储。bin 文件中按 block 为单位排列数据，每个 block 文件有 16 字节校验和，1 字节压缩形式，4 字节压缩后大小和 4 字节的压缩前大小组成。每个 block 起始地址由如下公式确定：

1. offset(n)=offset(n-1)+25 + 压缩后大小（n>=2)
2. offset(1)=0

### 校验和

前 16 为测验和区域用于疾速验证数据是否残缺。

### 压缩形式

默认为 0x82。clickhouse 共反对 4 种压缩形式，别离为 LZ4(0x82)、ZSTD(0x90)、Multiple(0x91)、Delta(0x92)。

### 压缩后大小

存储在 data 区域的数据的大小。须要根据此大小计算下一个 BLOCK 的偏移量。

### 压缩前大小

data 区域存储的数据在压缩前的大小。能够根据此计算压缩比。

### data 区

data 区存储数据，大小为头信息第 18～21 字节示意的大小。拿到 data 区数据后，因为是压缩后的，因而无奈间接辨认，须要依照压缩形式进行解压缩后，能力辨认。

example
——-

下图是通过 clickhouse 通过官网提供的入门教程指引操作后，应用二进制阅读器关上 hits_v1 表的 UserAgent.bin 文件的截图，曾经对头信息进行了色彩标记。

通过读取头信息，咱们晓得该数据库是应用 LZ4 算法压缩，压缩后大小为 0x000049AC 即 18860 字节。压缩前大小为 0x00010000 即 65536 字节，压缩比约为 1:3.4≈29%。图中显示的是 AC490000，因为 clickhouse 应用小端字节序，因而理论为 0x000049AC。

接着，咱们从 data 区起始地址开始复制 18860 字节的压缩后数据，将其通过 LZ4 算法解压，能够失去原始数据，如下图所示。解压缩程序的源码曾经上传到 github, 读者能够拜访该仓库，自行下载试验。github 地址：cfcz48/lz4compress (github.com)

解压后的原始数据

接下来，咱们通过查问 columns.txt，能够看出 UserAgent 列是 UInt8 的数据类型，也就是说每个数据时无符号的 8 位整数。因而联合上一步失去的原始数据，每 8 位即为一行数据。例如 0x04 示意十进制的 4。即上图中的原始数据为 4。下图展现了前 20 位原始数据解码后的后果：

前 20 位解码后后果

咱们在用 SQL 查问前 20 位数据，看看是否统一：

总结
—

本章对 clickhouse 的存储引擎的文件组织进行了具体地阐明，并给出了一个例子，不便读者了解。下一章将为读者具体介绍数据插入的过程。